Simulaci N Gaussiana Suelos

UNIVERSIDAD TECNOLOGICA DE PANAMA
FACULTAD DE INGENIERIA CIVIL
LICENCIATURA EN INGENIERIA MARITIMA PORTUARIA


GEOTECNIA MARITIMA
SIMULACION GAUSSIANA


JAVIER ROBLES
8-822-1384


11L – 143


Prof.: Amador Hassell


9 de julio de 2014
Simulación Gaussiana

La heterogeneidad geológica y la incertidumbre son consustanciales. El valor desconocido en un lugar sin muestrear u puede ser descrita poruna variable aleatoria Z(u). El conjunto de todas las variables aleatorias en los muchos lugares de interés se refiere a una función aleatoria (RF). El número de lugares a menudo es muy amplio: típicamente en las decenas de millones de modelos numéricos 3D. La N-variable de distribución de probabilidad multivariante del RF define plenamente la heterogeneidad e incertidumbre. Denotamos ladistribución multivariante como:

Simulación equivale a dibujar realizaciones de los N valores de visualizar la heterogeneidad e incertidumbre y para transferir la incertidumbre a través de los valores de respuesta calculados, como los recursos y las reservas. Hay dos desafíos: (1) definir la distribución multivariante de alta dimensión, y (2) realizaciones de dibujos.
Una distribución de N-variables no sepuede definir de forma no paramétrica a partir de los datos. Por lo menos se necesitarían datos para definir razonablemente una distribución de N-variables de los datos directamente. Se requiere un modelo paramétrico o alguna suposición simplificadora. La distribución gaussiana multivariante es notable en su tratabilidad; algunas distribuciones se parametrizan de manera tan simple. Unadistribución gaussiana de N-variables está totalmente parametrizada por un vector de N valores promedio a una matriz de N por N valores de covarianza. En la práctica, una variable continua se transforma para seguir un histograma gaussiano, los valores medios se eligen a menudo a ser estacionario y constante en cero, la matriz de covarianza es informada por una covarianza estacionaria o modelo devariograma. Un enfoque gaussiano se usa comúnmente para las variables continuas, ya que permite la inferencia manejable de la distribución multivariada requerida.
Los dibujos de las realizaciones de una distribución dimensional muy alta requieren de algunas medidas para hacer que el problema sea tratable. Uno de los enfoques se está convirtiendo en bandas: 2D o 3D se reducen a una serie de las realizaciones1D. Un segundo enfoque es la simulación secuencial: la distribución multivariante se descompone por aplicación recursiva de la ley de Bayes y una zona limitada de datos acondicionados se conserven durante el acondicionado. Existen otras técnicas menos comunes. Aunque las diferentes técnicas de simulación gaussianas multivariantes son diferentes en detalles, que son fundamentalmente el mismo en elsentido de que muestrean una distribución gaussiana multivariante. Aunque la decisión de estacionaria y la parametrización de la distribución multivariada con los valores promedio y de covarianza requerida son de importancia primaria, los detalles de la simulación de las realizaciones multivariadas también son de importancia.
El primer problema en este capítulo se establece en el enlace entre laN-variable multivariante de la distribución espacial que estamos tratando de muestrear, un krigeaje simple y el método de simulación secuencial. El segundo problema examina el enfoque innovador y tradicional de acondicionamiento incondicional de las realizaciones simuladas; aunque se trata de un interés histórico, algunos enfoques de simulación todavía utilizan esta técnica para elacondicionamiento. El tercer problema se centra en los pasos necesarios para realizar la simulación secuencial gaussiana: una implementación común de la simulación de Gauss.

Bivariante distribución gaussiana
Objetivos de aprendizaje
Una comprensión de la relación entre los márgenes, juntas y condiciones de la distribución gaussiana es esencial para los profesionales de geoestadística. El krigeaje para...